Nvidia udvider Nemotron-familien med tre modeller til AI-agenter: én stor model til multimodale opgaver og to mindre Bolt-modeller, der er tænkt til lokal kørsel. Målet er at dække flere typer brug – fra agentarbejde på servere til opgaver på en lokal Nvidia-maskine.
7
Nvidia annoncerede Nemotron 3.5 Super VL og Bolt 74B-A9B 24GB den 15. oktober 2026. Den mindre Bolt E4B var ifølge annonceringen på vej senere samme måned.
7
11
Tre modeller med forskellige opgaver
| Model |
Hvad den er beregnet til |
Oplysninger om størrelse og tilgængelighed |
| Nemotron 3.5 Super VL |
Multimodale agentopgaver med tekst og visuelt indhold |
120 mia. parametre i alt, 12 mia. aktive pr. token. Meldt tilgængelig 15. oktober. 3 7 |
| Nemotron 3.5 Bolt 74B-A9B 24GB |
Hverdagsopgaver for AI-agenter på lokale Nvidia-systemer |
Hybrid Mamba-Transformer-model med MoE-arkitektur, designet til 24 GB hukommelse. Meldt tilgængelig 15. oktober. 13 7 |
| Nemotron 3.5 Bolt E4B 4GB |
En mindre Bolt-model til lokale og mindre systemer |
Planlagt til 23. oktober. De tilgængelige kilder giver ikke tilstrækkelige detaljer om dens parameterantal eller præcise ydeevne. 7 11 |
Super VL er en multimodal model, der skal kunne håndtere agentforløb, hvor tekst og visuel information indgår. Nvidia beskriver den som åben og tilpasningsbar til specialiserede, kontinuerligt kørende agenter.
3
7
Bolt 74B-A9B er derimod målrettet lokal kørsel på Nvidia RTX og DGX Spark. Nvidia oplyser, at modellen er komprimeret og kvantiseret til 2 bit for at kunne være i 24 GB hukommelse.
13 Det gør den relevant for brugere, der ønsker at afvikle agentopgaver på eget udstyr frem for alene at benytte en ekstern tjeneste.
Hvad betyder “åben” her?
Nvidia omtaler modellerne som åbne, og Super VL beskrives også som tilpasningsbar.
3
7 Det er dog ikke i sig selv dokumentation for, at alle dele af udviklingen – eksempelvis træningsdata – er offentliggjort. De tilgængelige oplysninger giver ikke nok detaljer til at fastslå, hvor omfattende den åbenhed er.
Nvidia beskriver Super-modellens træningsforløb som en række trin fra fortræning og superviseret finjustering til forstærkningslæring og evaluering.
6 Det siger noget om metoden, men dokumenterer ikke i sig selv, hvilke datasæt eller øvrige komponenter der er frigivet.
Ydelsespåstande og Navans erfaring
Nvidia hævder, at Super VL kan levere op til fem gange højere gennemløb på én GPU i agentopgaver sammenlignet med andre åbne modeller i samme størrelseskategori. Det er Nvidias egen sammenligning og bør læses som en producentpåstand – ikke som en garanti for samme fordel i alle opgaver og systemer.
3
Rejse- og udgiftsplatformen Navan oplyste, at virksomheden fik tidlig adgang til Super VL, finjusterede modellen og satte den i drift i flere AI-rejseagenter. Navan beskrev resultatet af sin interne evaluering som den bedste samlede ydeevne i sammenligningen, med lavest latenstid og betydelig effektivitet.
1
8 Virksomheden oplyste også, at den nye model kørte til lavere omkostninger, men kilderne her giver ikke konkrete tal, der gør det muligt at vurdere besparelsen.
8
Samlet er annonceringen et forsøg på at tilbyde Nemotron-modeller til både større multimodale agentopgaver og lokal kørsel. De tydeligste specifikationer gælder Super VL og Bolt 74B-A9B; der er færre verificerbare detaljer om Bolt E4B.